06 · 技术分析批判与验证

前几篇教你怎么「用」技术分析，本篇负责泼冷水：技术分析到底有没有效？学术界怎么看？为什么同样的形态有人赚有人亏？以及——一套信号怎么才算「真的有效」而不是「看起来有效」？

1. 支持证据：技术分析里「有真东西」的部分

反对技术分析的人常把它一竿子打死，但几十年的金融学研究其实找到了几个「被反复证实」的效应——它们恰好是技术分析某些用法的理论根基。

1.1 动量效应（Momentum Effect）

• 发现：1993 年 Jegadeesh & Titman 的研究及大量后续文献证实：过去 312 个月涨得好的股票，未来 312 个月倾向于继续跑赢；反之亦然。这是金融学中复现最稳定的异象之一。
• 与技术分析的关系：**动量效应**是「趋势跟踪」（均线多头排列、突破买入、趋势形态）最重要的科学依据——趋势确实有惯性，追涨杀跌（顺势）在统计上不是蠢事。
• 边界：动量效应在短期（数天）和超长期（数年）上会反转（短期反转效应、长期反转效应），并且动量策略在动量崩溃（市场急转时）阶段会大幅回撤——「顺势」不是无条件赚钱。

1.2 支撑阻力的锚定与自我实现机制

• 锚定效应：行为金融学证实，人类对「整数关口、前高前低、历史均价」等价位有天然的心理锚定，交易者会把这些价位作为决策参考——这为支撑/阻力位提供了真实的行为基础；
• 自我实现：当足够多的人相信「20 元是支撑」时，他们会在 20 元附近挂买单，客观上制造出支撑——支撑阻力之所以「有效」，一部分原因是相信它的人用真金白银把它变成了事实；
• 研究佐证：Osler（2000）对外汇市场的**止盈/止损**挂单分布研究显示，订单确实聚集在「图表的整数位与前高前低」附近——支撑阻力确实有资金行为支撑，但这也意味着它们会被系统性打穿（见第 3 节）。

1.3 成交量异常的研究常识

• 放量伴随价格大涨/大跌：学术研究普遍支持「成交量与绝对收益正相关」「放量突破比缩量突破更真实」等量价常识；
• 量价背离有信息含量：价格创新高而成交量萎缩（缩量新高），被视为「参与度不足」，后续跑输的概率统计上更高；
• 局限：成交量研究是「描述性」的——它说明「放量时波动更大」，但把「放量」变成可交易的入场信号后，扣除成本的优势往往所剩无几。

2. 批判证据：为什么技术分析「没那么神」

2.1 随机游走与弱式有效市场假说

• 随机游走：价格变动不可由历史价格预测（下一涨跌方向 ≈ 抛硬币），这是技术分析的根本性挑战——如果历史形态不能预测未来，技术分析就没有信息含量；
• 弱式有效市场假说（EMH）：Eugene Fama 提出，如果市场是弱式有效的，那么所有历史价格与成交量信息都已反映在现价中，任何仅基于历史价格/成交量的策略都无法获得超额收益；
• 现实结论：EMH 不是「完全正确」，市场存在大量异象（动量、低波动等），但这些异象是否足以覆盖交易成本、容纳真实资金，是另一回事——学术研究更多支持「有效但不完美」。

2.2 技术分析策略跑赢基准的难度

2.3 标志性研究一览（两派拉锯）

这组研究的整体图景：技术分析不是「纯迷信」（动量、支撑阻力、量价都有真实的行为学/微观结构基础），但也远不是民间宣传的「圣杯」——它的真实效应是「微弱、脆弱、且随拥挤程度动态变化」的。

2.4 幸存者偏差与发表偏差

• 发表偏差（Publication Bias）：学术圈只发表「跑赢」的结果——「赢的都被出版，输的没人写」。研究者可以试 100 种规则，其中 5 种碰巧跑赢就被写成论文，剩下 95 种被扔进抽屉（「文件抽屉问题」）。读者看到的是被筛选后的乐观子集；
• 幸存者偏差（Survivorship Bias）：回测只用活到今天的股票/品种，退市的、**归零**的被剔除——技术分析（尤其小盘、垃圾股）的「历史成功率」因此被系统性高估；
• 数据窥探（Data Snooping）：对同一段历史反复试参数，总能找到「完美的参数」——但它只对那段历史完美（过拟合），对未来的预测力为零。你看到的所有「胜率 80% 的策略」都要先问：这是测试出来的，还是筛选出来的？

一条「惊人回测曲线」的诞生过程：
原始 100 个规则 → 回测 → 淘汰 95 个 → 发表 5 个跑赢的
                                    ↓
              读者看到「技术分析平均能跑赢」
              真实概率分布却可能是「运气最好的那 5%」

3. 「自我实现」问题：用的人越多越有效还是越失效？

3.1 自我实现的两面性

• 正向自我实现：均线、支撑阻力、经典形态被大量交易者盯盘时，会形成「买盘在支撑位聚集」的行为，信号短期更「灵验」——这就是为什么大众熟悉的信号（如 60 日均线、整数关口）在散户主导的市场（如 A 股）表现更明显；
• 反向自我实现（拥挤交易）：同一个信号被太多人使用时，会出现「抢跑效应」：大家同时在同一价位买，价格瞬间越过该价位，后到的人买到更差的价；更危险的是主力反向利用——故意在众人等待的支撑位上方制造假象，或在支撑位下方扫损后再拉升（打止损单），让「有效信号」变成收割散户的陷阱。

3.2 拥挤交易的典型形态

4. 如何科学验证一个技术指标（可操作步骤）

不需要学术背景，用行情软件 + 表格就能对任何一个指标做「科学体检」。目标不是证明它 100% 有效，而是测量出它真实的胜率、赔率与回撤，判断是否值得用。

4.1 七步验证法

① 写下规则的完整定义（可被程序或任何人复现）
② 样本内回测（2015-2021，参数 A）
③ 样本外回测（2022-至今，同参数 A）
④ 参数敏感性测试（参数 A±20%、±50%）
⑤ 计入交易成本与**<mark>滑点</mark>**，重跑
⑥ 与「买入持有」和「随机信号」做基准对比
⑦ 结论：样本外是否仍然有效？参数变化是否稳健？

4.2 每一步的关键问题

4.3 三个一票否决项

1. 样本外失效——策略只对调参时的历史有效；
2. 参数敏感——±10% 就由盈转亏的策略等于没有策略；
3. 成本后为负——毛收益看起来高、扣掉成本与滑点就变亏，是散户策略最普遍的现状。

4.4 一个完整的验证示例（双均线金叉）

以「MA20 上穿 MA60 买入、下穿卖出」为例，走一遍七步验证：

这个例子想说明的：民间流传的「金叉策略很赚钱」，绝大多数经不起这套流程的检验。不是流程太严苛，而是交易市场的真实成本与真实噪音，本就容不下大多数「看起来很美」的信号。

顺带一提：如果你不会写回测程序，可以用最笨但有效的方法——手动记录：从今天起把每个信号的触发时间、价格、理由写在表格里，一个月后检查「信号触发后的 5 日/10 日收益」。几百个样本后，你对这套信号的「真实胜率」会有远超过感觉的认知。

5. 技术分析的合理定位

5.1 「解释工具」而非「预测工具」

• 能做的：描述市场当前处于什么状态（趋势/震荡/衰竭）、市场的多空结构长什么样、哪些价位有真实的资金关注——这些是降低决策难度的背景信息；
• 不能做的：告诉你明天涨还是跌、精确的买卖点、目标价。任何声称能做到这些的技术分析，都超出了它的能力边界；
• 正确姿势：把技术分析当「GPS 地图」（告诉我现在在哪、前面是什么地形），而不是「预言机」（告诉我明天会发生什么）。

5.2 作为交易系统的入场时机过滤器

技术分析在专业交易体系中的真实角色，通常是「过滤器」而非「发动机」：

完整交易系统 = 方向（基本面/大趋势判断）
            + 触发（技术分析入场信号）← 只负责「何时」入场
            + 风控（仓位、止损、盈亏比）
            + 执行（纪律与一致性）

6. 为什么很多人用技术分析亏钱

6.1 误把相关性当因果

• 看到「金叉后经常涨」，就认定「金叉导致上涨」——实际上金叉只是趋势的回声（滞后指标），趋势上涨时金叉自然多；把回声当原因，就会在市场转折时被回声骗进反向单；
• 同理，「这个形态上次对了」不能推出「这次也会对」——样本太少 + 记忆偏差（只记得对的）会造出虚假的信心。

6.2 忽略仓位与执行

• 盈亏比与仓位才是决定账户曲线的变量：一个胜率 55%、盈亏比 1:1 的系统，与胜率 40%、盈亏比 2:1 的系统，后者长期更优——技术分析只影响胜率那一小项；
• 散户的典型亏损路径：信号本身没错，但仓位太重（一次亏 10%）+ 止损不执行（亏 30% 才割）+ 盈利拿不住（赚 3% 就跑）——三者共同把「正期望信号」做成了「负期望账户」；
• 技术分析给不了你任何关于「下多少注」的信息，而恰恰是这部分决定生死。

6.3 把指标当圣杯

• 「圣杯心态」：以为找到「胜率 90% 的指标」就能财务自由——于是不停换指标、优化参数，在过拟合的循环里越陷越深；每个看似完美的策略背后，都是一条已经失效的历史曲线；
• 信号滥用：同时用 5 个指标，总有一个在支持你的想法——指标越多越容易「选择性采信」，最后交易的不是系统，是自己的情绪；
• 唯一的解药：把第 4 节的验证方法用在自己每一套策略上，并接受「好的技术系统只是微弱优势 + 严格执行」这一事实。微弱优势 × 长期纪律 = 稳定；「必胜指标」= 必输。